Core Concepts
본 연구는 대규모 로봇 군집의 안전한 운동 계획을 위해 조건부 가치 위험(CVaR)을 활용한 위험 인지 비근시성 운동 계획기를 제안한다.
Abstract
본 연구는 대규모 로봇 군집의 안전한 운동 계획을 위한 ROVER(Risk-aware mOtion planner for large-scale swarm robotics using conditional ValuE-at-Risk) 방법론을 제안한다.
로봇 군집의 거시적 상태를 가우시안 혼합 모델(GMM)로 표현하고, 유한 시간 모델 예측 제어(FTMPC) 문제를 통해 군집의 운동을 계획한다.
CVaR 제약을 FTMPC에 통합하여 로봇 군집과 장애물 간의 충돌을 체계적으로 방지한다. GMM-CVaR에 대한 해석적 표현을 도출하여 계산 효율성을 높였다.
순차적 선형 계획법(SLP)을 활용하여 ROVER를 온라인으로 구현하였다.
시뮬레이션을 통해 ROVER의 유연성, 확장성 및 위험 완화 능력을 검증하였다.
Stats
로봇 군집 크기가 500일 때, ROVER의 총 실행 시간은 6.05분이며, 평균 실행 시간은 0.64초이다.
로봇 군집 크기가 1000일 때, ROVER의 총 실행 시간은 10.89분이며, 평균 실행 시간은 1.09초이다.
로봇 군집 크기가 500일 때, ROVER의 평균 궤적 길이는 202.26m이다.
로봇 군집 크기가 1000일 때, ROVER의 평균 궤적 길이는 204.37m이다.
로봇 군집 크기가 500일 때, ROVER에서 관찰된 최소 로봇-장애물 거리는 0.22m이다.
로봇 군집 크기가 1000일 때, ROVER에서 관찰된 최소 로봇-장애물 거리는 0.17m이다.
Quotes
"ROVER는 GMM 표현을 통해 로봇 군집의 분할 및 병합 행동을 가능하게 하여 FC보다 뛰어난 유연성을 보인다."
"ROVER는 거시적 계획 단계와 미시적 제어 단계가 완전히 분리되어 있어, 로봇 수 증가에도 불구하고 거시적 계획 시간이 안정적으로 유지된다."